Science Robotics 受鳞片启发的可编程机器人结构,可同时进行形状变形和刚度变化

一、前言速览

生物有机体通常凭借复杂的结构表现出显著的多功能性,例如章鱼具有可以同时改变形状和刚度的能力。现有的仿生软体机器人要想实现这样的能力,往往需要繁琐的结构和复杂的控制系统。为此,来自新加坡南洋理工大学的研究人员从覆盖在穿山甲和鱼类等生物身上的鳞片中汲取灵感,开发出一种机器人结构,其可以在高度集成的紧凑机体中同时改变硬度和形状。这种受鳞片启发的分层结构(Scale Inspired Layered Structure, SAILS)由鳞片反向设计的可编程表面图案实现。制作完成后,SAILS 本身就柔软而富有弹性。当将其密封在弹性封套中并承受负压时,它就会转变为指定的形状并变得坚硬。测试结果表明,SAILS可以在高达 5 赫兹的频率下驱动,并在其柔软和刚性状态之间实现了高达 53 倍的弯曲模量变化。研究人员还开发了一种两栖软体机器人,进一步证明了 SAILS 的多功能性,并为无人机开发了可适应不同负载的自适应可调着陆系统。

二、背景介绍

在生物系统中,丰富的多功能性源于复杂但高度集成的结构。植物和动物通常表现出非凡的能力,可以根据动态环境条件同时改变其形状与其刚度。软体机器人技术作为一个新兴领域,在很大程度上受到这些生物系统的启发,通过模仿生物体的结构和功能实现高度灵活性和环境适应性。

此外,软体机器正成为工业生产、搜救和医疗保障等不同领域的得力助手。由于固有的合规性和以安全方式执行任务的能力,软体机器人在以人为中心的环境中集成和交互中比刚性型机器人具有更大潜力。

但由于软体机器人主要由硅酮弹性体等软性材料组成,它们的承载能力和结构刚度非常有限。为应对上述问题,近年来出现了各种各样研究可变刚度机制的方案,如拮抗驱动器、磁流变流体、低熔点合金以及材料干扰等。

与生物有机体相比,现有解决方案的一个共性问题是,需要多个执行器组合或额外集成可变刚度模块以进行形状变化,这往往会导致难以拓展的制造方案和复杂的控制系统。

为此,来自新加坡南洋理工大学的研究人员提出了受尺度启发的分层结构SAILS,其灵感来自生物有机体的可变刚度以及自然尺度结构的独特力学特性和多功能集成。SAILS独特地将变形和可变刚度功能结合在一个内聚框架中。

三、图文解析

图1 SAILS的生物灵感、设计、制造和实验验证。A展示了SAILS的灵感来源于穿山甲和鱼的自然鳞片,并展示了SAILS的表面图案。B展示了用于生成SAILS及其底层表面图案的分层镶嵌。C展示了SAILS的制造和驱动过程,包括零件的3D打印,组装3D打印零件、乳胶膜和空气管,密封两个膜形成安全气囊;并对组装后的结构施加负压。D展示了SAILS的变形和变刚度能力的实验验证。负压为90 kPa。比例尺为2厘米。

图2 SAILS 实现的各种可展和不可展表面结构。为了展示SAILS的形状变形能力,研究人员展示了几种具有可展开与不可展开表面的典型结构。每行比较了比较了目标形状、有限元仿真和实验结果。A至D为具有可展开钩形(固定端到自然端曲率增加),E至H为波浪形,I至L为螺旋形表面,M至P为不可展开穹顶形,Q至T为马鞍形表面。比例尺为2厘米。

图3 SAILS形状变形和刚度变化的能力表征。为了定量评估SAILS的形状变形能力,研究人员制备了目标形状为圆的SAILS,半径为15.92 mm,对应周长为10 cm。A在0至90 kPa的不同负压条件下,对实验与有限元仿真中圆环状SAILS的驱动形状进行了比较。B为从A中提取的曲率在实验仿真之间的定量比较,其中目标曲率作为参考。C为SAILS在0至90 kPa 不同负压下进行三点弯曲测试的力-挠度曲线。D展示了在 0 至 90 kPa 的不同负压下,SAILS 在放大和缩小试验位置之间的表观弯曲模量比较,以及有限元仿真结果。E为SAILS 在 90 kPa负压与无负压条件下的表观弯曲模量变化比,绘制为SAILS 厚度的函数,以及有限元仿真结果。F展示了表观弯曲模量随 1 至 12 个鳞片数量的变化。对不同的周期总数和表面图案形状(包括正弦波形和三角形)进行了比较。G至I分别展示了在鳞片数量从 1 个增加到 6 个、SAILS 的弹性模量从 10 MPa 到 1 GPa以及鳞片与底层之间的摩擦系数从 0 到 1三种情况下,SAILS 的归一化曲率与表观弯曲模量之间的权衡。

图4 软体两栖机器人的设计、控制和表征。A为该机器人的设计图,它由三个部分组成,每个部分由两个腔室组成。B展示了在90 kPa负压下机器人一个部分双向弯曲的特性,包括有限元仿真。C为该机器人的控制系统,包括一个Raspberry Pi、一个六通道继电器、一个真空泵和六个电磁阀。D为机器人启动和第一个控制周期在地面爬行的序列快照。E展示了机器人在地面爬行时三个部分的控制信号顺序。F为根据模型预测的机器人在四个不同时间点的配置。G为机器人在水中游泳时三个部分的控制信号序列。比例尺为2厘米。

图5 软体两栖机器人的多功能性和速度特性。A展示了机器人克服障碍物,从地面过渡到水中的过程。B展示了机器人在一系列间隙限制为 20 至 8 毫米的密闭空间中穿行的过程。C展示了机器人在负重 50 克的情况下的爬行过程。D展示了机器人爬上 22° 的斜坡的过程。E展示了不同驱动频率下机器人的速度。F展示了机器人在水中、地面上、22°斜坡上以及负重 50g 等各种运动情况下的速度。插图将该机器人的速度和厚度与其他软体波状机器人进行了比较。比例尺为2厘米。

图6 机器人用作桥梁和保护结构的演示。A展示了机器人爬过一个障碍物,然后变成一座桥,并使一辆玩具车通过的过程。B展示了机器人爬过一个鹌鹑蛋,随后展开保护结构,保护鹌鹑蛋免受重达 50 克的落球撞击的过程。

图7 无人机的可变刚度起落架。A为用于测量无人机冲击力的实验装置。B为在0至90kPa的五个不同负压下设计的起落架。C和D分别展示了3厘米和20厘米高度的无人机在四种不同负压下记录的力-时间曲线。E展示了从C和D中提取的最大冲击力。模拟起落架在F低能量吸收水平和G高能量吸收水平下的压缩力-位移曲线。

图8 无人机自适应起落架的展开过程和承载能力。A为无人机起飞、起落架展开和着陆的顺序。红色虚线表示起落架。B展示了无人机利用起落架作为抓手,举起225克货物的过程。C为无人机携带负载起飞的示意图。

相关推荐
搏博11 分钟前
神经网络问题之一:梯度消失(Vanishing Gradient)
人工智能·机器学习
z千鑫11 分钟前
【人工智能】深入理解PyTorch:从0开始完整教程!全文注解
人工智能·pytorch·python·gpt·深度学习·ai编程
YRr YRr19 分钟前
深度学习:神经网络的搭建
人工智能·深度学习·神经网络
威桑22 分钟前
CMake + mingw + opencv
人工智能·opencv·计算机视觉
爱喝热水的呀哈喽25 分钟前
torch张量与函数表达式写法
人工智能·pytorch·深度学习
EAI-Robotics1 小时前
机器人打包物品研究现状简述
机器人
肥猪猪爸1 小时前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
LZXCyrus1 小时前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
我感觉。2 小时前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
YRr YRr2 小时前
深度学习神经网络中的优化器的使用
人工智能·深度学习·神经网络